Apothesis
Καλωσορίσατε στο Apothesis, το Ιδρυματικό Αποθετήριο της Βιβλιοθήκης και Κέντρου Πληροφόρησης του ΕΛΜΕΠΑ.
Πρόκειται για μια προσπάθεια που ξεκίνησε το 2001 και αφορά στη συλλογή, διατήρηση και προβολή - με ενιαίο τρόπο - του πνευματικού έργου που παράγεται κυρίως από τους φοιτητές στο ΕΛΜΕΠΑ και δεν δημοσιεύεται αλλού.
Κάθε ενδιαφερόμενος μπορεί να χρησιμοποιήσει το Ιδρυματικό Αποθετήριο για να έχει πρόσβαση στα πλήρη κείμενα των πτυχιακών εργασιών. Είναι επιβεβλημένη, εντούτοις, η αναφορά στη χρήση εργασιών βάσει του νόμου και των κανόνων περί πνευματικών δικαιωμάτων.
Κοινότητες στο DSpace
Επιλέξτε μια κοινότητα για να περιηγηθείτε στις συλλογές της.
Πρόσφατες Υποβολές
Σχεδίαση και Υλοποίηση Συστήματος Ανίχνευσης και Απόκρουσης Επιθέσεων (IDS/IPS) σε Raspberry Pi και Προσομοίωση Κυβερνοεπιθέσεωv.
(ΕΛΜΕΠΑ, Σχολή Μηχανικών (ΣΜΗΧ), Τμήμα Ηλεκτρονικών Μηχανικών, 2026-06-07) Βρεσάης Ιάσων-Δαυίδ; Vresais Jason-David; Μπαρμπουνάκης Ιωάννης; Barbounakis Ioannis
Η παρούσα πτυχιακή εργασία επικεντρώνεται στον σχεδιασμό και την υλοποίηση ενός οικονομικού και φορητού συστήματος κυβερνοασφάλειας βασισμένου στην πλατφόρμα Raspberry Pi 3. Στόχος της μελέτης είναι η αξιοποίηση μιας embedded συσκευής περιορισμένων υπολογιστικών πόρων ως ενδιάμεσου κόμβου ασφαλείας (Gateway), ικανού να λειτουργεί ταυτόχρονα ως δρομολογητής (Router) και ως σύστημα ανίχνευσης και πρόληψης επιθέσεων (IDS/IPS).
Στο προτεινόμενο μοντέλο, το Raspberry Pi τοποθετείται μεταξύ του κεντρικού δρομολογητή και του τοπικού δικτύου (LAN), επιτρέποντας τον έλεγχο, την επιθεώρηση και το φιλτράρισμα της διερχόμενης δικτυακής κίνησης σε πραγματικό χρόνο. Για την υλοποίηση των μηχανισμών προστασίας χρησιμοποιήθηκε το Suricata, το οποίο ρυθμίστηκε με λειτουργία σε σειρά ανάμεσα απο τον δρομολογητή και το προστατευόμενο σύστημα (Inline Mode), παρέχοντας τη δυνατότητα όχι μόνο ανίχνευσης αλλά και δυναμικής απόκρισης σε κακόβουλη δραστηριότητα μέσω packet dropping και αποκλεισμού επιτιθέμενων συστημάτων.
Λόγω των περιορισμένων δυνατοτήτων του Raspberry Pi 3, δόθηκε ιδιαίτερη έμφαση στη βελτιστοποίηση των διαθέσιμων πόρων. Για τον λόγο αυτό επιλέχθηκε διαχείριση αποκλειστικά μέσω γραμμής εντολών (CLI), αποφεύγοντας τη χρήση γραφικών περιβαλλόντων που θα επιβάρυναν το σύστημα. Παράλληλα, αναπτύχθηκαν προσαρμοσμένοι μηχανισμοί παρακολούθησης και φιλτραρίσματος ειδοποιήσεων, με σκοπό τη σαφή και άμεση αναγνώριση κρίσιμων συμβάντων ασφαλείας σε πραγματικό χρόνο.
Η αξιοπιστία και η αποτελεσματικότητα του συστήματος αξιολογήθηκαν μέσω ρεαλιστικών σεναρίων επιθέσεων σε εργαστηριακό περιβάλλον. Συγκεκριμένα, εξετάστηκε η ικανότητα ανίχνευσης reconnaissance δραστηριοτήτων μέσω Nmap scans, η αντιμετώπιση επιθέσεων άρνησης υπηρεσίας (DoS) τύπου TCP SYN, UDP και ICMP Flood, καθώς και η προστασία από SSH brute force επιθέσεις μέσω δυναμικών μηχανισμών αποκλεισμού IP διευθύνσεων.
Τα αποτελέσματα των δοκιμών έδειξαν ότι το Raspberry Pi 3 μπορεί να λειτουργήσει αποτελεσματικά ως χαμηλού κόστους IDS/IPS gateway για μικρά τοπικά δίκτυα, εφόσον πραγματοποιηθεί σωστή διαχείριση των διαθέσιμων πόρων και των μηχανισμών καταγραφής. Παράλληλα, η μελέτη ανέδειξε περιορισμούς που σχετίζονται με την αυξημένη χρήση CPU και μνήμης κατά τη διάρκεια έντονου δικτυακού φόρτου και μακροχρόνιας λειτουργίας, γεγονός που μπορεί να επηρεάσει τη συνολική απόδοση του συστήματος. Η εργασία ολοκληρώνεται με την παρουσίαση μετρήσεων απόδοσης και προτάσεων για μελλοντική επέκταση και βελτίωση της υλοποίησης.
Επιτήρηση χώρων υψηλής επισκεψιμότητας μέσω ανίχνευσης μαγνητικού πεδίου και τεχνικών υπολογιστικής όρασης για τη δημόσια ασφάλεια.
(ΕΛΜΕΠΑ, Σχολή Μηχανικών (ΣΜΗΧ), Τμήμα Ηλεκτρονικών Μηχανικών, 2026-04-21) Σκουραδάκης Αντώνιος; Skouradakis Antonios; Αθανασιάδης Ιωάννης Άγγελος; Athanasiadis Ioannis Aggelos; Νικολόπουλος Χρήστος; Nikolopoulos Christos
Η παρούσα διπλωματική εργασία παρουσιάζει την ανάπτυξη ενός καινοτόμου, υβριδικού
συστήματος ασφαλείας για την ανίχνευση μεταλλικών απειλών όπως όπλα και μαχαίρια σε
πραγματικό χρόνο. Το σύστημα συνδυάζει την υπολογιστική όραση με την μαγνητομετρία,
δίνοντας μια λύση που σέβεται την ιδιωτικότητα και την υγεία των πολιτών.
Ο αναγνώστης, μελετώντας την εργασία, θα περιηγηθεί στις εξής ενότητες:
• Στο Κεφάλαιο 1 (Εισαγωγή): Παρουσιάζεται το πλαίσιο του προβλήματος ασφαλείας σε
δημόσιους χώρους και αναλύονται τα μειονεκτήματα των υπαρχουσών τεχνολογιών .
Τίθενται οι στόχοι της εργασίας και η ανάγκη για μια παθητική, μη ιονίζουσα μέθοδο
ανίχνευσης.
• Στο Κεφάλαιο 2 (Θεωρητικό Υπόβαθρο): Αναλύονται οι θεμελιώδεις αρχές του
ηλεκτρομαγνητισμού, η συμπεριφορά του γήινου μαγνητικού πεδίου και το μοντέλο του
μαγνητικού δίπολου. Επίσης, αναλύεται η τεχνολογία των αισθητήρων
μαγνητοαντίστασης και η λειτουργία του αλγορίθμου YΟLΟv8.
• Στο Κεφάλαιο 3 (Μεθοδολογία & Σχεδιασμός): Περιγράφεται η αρχιτεκτονική του
συστήματος, η διάταξη των οκτώ μαγνητικών αισθητήρων και η ενσωμάτωση της
κάμερας. Αναλύεται η διαδικασία συγχρονισμού δεδομένων (Data Fusiοn) και η
εκπαίδευση του μοντέλου YΟLΟv8 για την οπτική αναγνώριση.
• Στο Κεφάλαιο 4 (Αντίστροφο ΗΜ Πρόβλημα & Αλγόριθμοι): Παρουσιάζεται η μαθηματική
πλευρά της εργασίας. Εξηγείται πώς το σύστημα μετατρέπει τις μετρήσεις των
αισθητήρων σε εκτίμηση της μαγνητικής ροπής (m) και πώς η οπτική πληροφορία βοηθά
στην επίλυση του αντίστροφου προβλήματος για την ταυτοποίηση της απειλής.
• Στο Κεφάλαιο 5 (Πειραματική Διαδικασία & Αποτελέσματα): Παρατίθενται οι δοκιμές σε
πραγματικά σενάρια. Ο αναγνώστης θα δει την αξιολόγηση της ακρίβειας του
συστήματος, τη χρήση μετρικών (Sensitivity/ Specificity) και τη σύγκριση των
πειραματικών δεδομένων με τις θεωρητικές προβλέψεις.
• Στο Κεφάλαιο 6 (Συμπεράσματα & Μελλοντική Έρευνα): Συνοψίζονται τα πλεονεκτήματα
του συστήματος και προτείνονται βελτιώσεις, όπως η χρήση πιο προηγμένων ευρεστικών
αλγορίθμων βελτιστοποίησης.
Ολοκληρωμένο Σύστημα και Λογισμικό Καταγραφής και Αξιολόγησης της Συγκέντρωσης Μαθητών.
(ΕΛΜΕΠΑ, Σχολή Μηχανικών (ΣΜΗΧ), Τμήμα Ηλεκτρονικών Μηχανικών, 2026-05-18) Ντεϊβιντ Μπολουγουατιφέ Ακόντα; David Bolwatife Akoda; Κωσταντάρας Αντώνιος; Kostantaras Antonios
Η παρούσα διπλωματική εργασία παρουσιάζει τον σχεδιασμό και την υλοποίηση ενός Συστήματος Πολυτροπικής Αξιολόγησης Εμπλοκής για την αντικειμενική μέτρηση της συμπεριφορικής εμπλοκής μαθητών κατά τη διάρκεια δραστηριοτήτων εκπαιδευτικής ρομποτικής. Η εργασία πραγματοποιήθηκε στο πλαίσιο του ερευνητικού έργου ALPER-EU στο Ελληνικό Μεσογειακό Πανεπιστήμιο.
Το σύστημα συνδυάζει παρακολούθηση βλέμματος μέσω του Tobii Eye Tracker 4C και ανάλυση στάσης σώματος μέσω της κάμερας βάθους Intel RealSense D455. Η εκτίμηση στάσης σώματος πραγματοποιείται με χρήση του MediaPipe σε πραγματικό χρόνο στα 30 καρέ ανά δευτερόλεπτο, ενώ οι δύο ροές δεδομένων συγχρονίζονται με μηχανισμό χρονικής ευθυγράμμισης χιλιοστών του δευτερολέπτου.
Η εμπλοκή ποσοτικοποιείται μέσω ενός διαφανούς Δείκτη Εστίασης, ο οποίος βασίζεται στην κατεύθυνση βλέμματος, τον προσανατολισμό σώματος και την απόσταση του μαθητή από τον σταθμό εργασίας. Οι τιμές κατηγοριοποιούνται σε ζώνες Υψηλής, Μέτριας και Χαμηλής εμπλοκής, ενώ η ανίχνευση αποδέσμευσης βασίζεται σε συνδυασμό πολλαπλών σημάτων ώστε να αποφεύγονται ψευδείς ταξινομήσεις.
Το σύστημα αξιολογήθηκε σε πραγματική εκπαιδευτική συνεδρία ρομποτικής στο ΕΛ.ΜΕ.ΠΑ. και παρήγαγε αποτελέσματα συνεπή με τις παρατηρήσεις του εκπαιδευτικού. Τα αποτελέσματα δείχνουν ότι οικονομικό εμπορικό υλικό σε συνδυασμό με λογισμικό ανοιχτού κώδικα μπορεί να υποστηρίξει αξιόπιστη και ερμηνεύσιμη αξιολόγηση εμπλοκής σε πραγματικές συνθήκες τάξης.
Ανάπτυξη και Σύγκριση Μεθοδολογιών Μηχανικής Μάθησης για την Αυτόματη Ανίχνευση Πολύποδων του Παχέος Εντέρου από Ενδοσκοπικές Εικόνες.
(ΕΛΜΕΠΑ, Σχολή Μηχανικών (ΣΜΗΧ), Τμήμα Ηλεκτρονικών Μηχανικών, 2026-04-17) Στυλιανίδης Ιωάννης; Stylianidis Ioannis; Μπακλέζος Ανάργυρος; Baklezos Anargyros
Η παρούσα διπλωματική εργασία εστιάζει στην ανάπτυξη, αξιολόγηση και σύγκριση
μεθοδολογιών μηχανικής και βαθιάς μάθησης για την αυτόματη ανίχνευση πολυπόδων του παχέος
εντέρου από ενδοσκοπικές εικόνες. Στόχος είναι η δημιουργία ενός αξιόπιστου συστήματος
υποβοήθησης διαγνώσεων (CAD) ικανό να ενισχύσει την ακρίβεια των κολονοσκοπήσεων, να
μειώσει το ποσοστό παράλειψης πολυπόδων και να συμβάλει αποτελεσματικά στην πρόληψη του
καρκίνου του παχέος εντέρου, ο οποίος παραμένει μια από τις κύριες αιτίες θανάτου παγκοσμίως.
Αρχικά παρουσιάζεται το κλινικό και επιδημιολογικό υπόβαθρο των πολυπόδων,
αναλύονται οι υφιστάμενες τεχνικές τεχνητής νοημοσύνης στο πεδίο της ιατρικής απεικόνισης και
τα διαθέσιμα σύνολα δεδομένων. Στη συνέχεια, εξετάζονται βασικές αρχιτεκτονικές βαθιάς
μάθησης, με ιδιαίτερη έμφαση στα Συνελικτικά Νευρωνικά Δίκτυα (CNNs) και τη στρατηγική της
μεταφορά μάθησης. Για την υλοποίηση του συστήματος, επιλέχθηκε η αποδοτική αρχιτεκτονική
EfficientNetB3, η οποία προσαρμόστηκε και βελτιστοποιήθηκε μέσω fine-tuning σε ένα ευρύ
σύνολο δεδομένων πραγματικών κολονοσκοπικών εικόνων από το σύνολο δεδομένων REAL-colon.
Η μεθοδολογία περιλαμβάνει σχολαστική προεπεξεργασία, επαύξηση δεδομένων (data
augmentation) και στρατηγικές για τη διαχείριση της έντονης ανισορροπίας μεταξύ θετικών και
αρνητικών καρέ. Το τελικό μοντέλο αξιολογήθηκε σε ανεξάρτητο σύνολο ελέγχου, επιδεικνύοντας
ανώτερη απόδοση με ακρίβεια (accuracy) 91,4%, ευαισθησία (recall) 92,3%, ακρίβεια
προβλέψεων (precision) 89,6% και F1-score 90,9%. Η καμπύλη ROC (AUC=0,945) επιβεβαίωσε
την υψηλή διακριτική ικανότητα του συστήματος. Επιπλέον, με την εφαρμογή της τεχνικής GradCAM, παρέχεται οπτική επισήμανση των περιοχών της εικόνας που επηρέασαν κρίσιμα την
πρόβλεψη του μοντέλου, προσφέροντας ένα επίπεδο διαφάνειας και ερμηνευσιμότητας
(Explainable AI).
Η εργασία ολοκληρώνεται με την αναγνώριση περιορισμών και με προτάσεις για μελλοντική
έρευνα, συμπεριλαμβανομένης της χρήσης πιο εξελιγμένων αρχιτεκτονικών (π.χ., transformers) και
της ενσωμάτωσης χρονικής πληροφορίας από ακολουθίες βίντεο. Το προτεινόμενο σύστημα
αποτελεί ένα ισχυρό θεμέλιο για την ανάπτυξη κλινικά χρήσιμων εργαλείων που θα υποστηρίξουν
τους ενδοσκόπους στην επίτευξη υψηλότερων ποσοστών ανίχνευσης και, εν τέλει, στην
αποτελεσματικότερη πρόληψη του καρκίνου του παχέος εντέρου.
Ιχνηλάτηση προσανατολισμού με κάμερα.
(ΕΛΜΕΠΑ, Σχολή Μηχανικών (ΣΜΗΧ), Τμήμα Ηλεκτρονικών Μηχανικών, 2026-03-04) Παντεράκη Μυρτώ; Panteraki Myrto; Κωσταντάρας Αντώνιος; Kostantaras Antonios
Εισαγωγή: Οι πιο σημαντικές πτυχές της όρασης και της ανίχνευσης των ματιών είναι αυτές που
μπορούν να αναπτυχθούν για τη δημιουργία εφαρμογών συστημάτων παρακολούθησης των
ματιών, εικονικής πραγματικότητας και επαυξημένης πραγματικότητας, καθώς και διαδραστικών
χώρων. Ταυτόχρονα, αυτή η μέθοδος έχει εφαρμοστεί εκτενώς στην ιατρική: η χρήση στον τομέα
της διάγνωσης νευρολογικών παθήσεων μέσω της παρατήρησης των κινήσεων των ματιών και
της κίνησης των ματιών κατά τη διάρκεια της παρατήρησης ενός ασθενούς με οπτικά προβλήματα
και της θεραπείας παρέμβασης που περιλαμβάνει την ακριβή μέτρηση της κίνησης των ματιών.
Το παρόν άρθρο έχει ως στόχο την κωδικοποίηση σε Python ενός συστήματος παρακολούθησης
των κινήσεων των ματιών σε πραγματικό χρόνο με βάση το OpenCV και το Dlib. Μέσω της
κάμερας της συσκευής, είναι σε θέση να εντοπίζει τα μάτια και να εμφανίζει τις συντεταγμένες
των ματιών ως (XYZ) του τρισδιάστατου χώρου.
Σκοπός: η εργασία πραγματοποιήθηκε με σκοπό την ανάπτυξη μιας πραγματικής εφαρμογής
παρακολούθησης των ματιών για την άμεση αναγνώριση των τρισδιάστατων συντεταγμένων των
ματιών. Έχει διάφορους στόχους: παρατήρηση της θέσης των ματιών, μελέτη της ανθρώπινης
δραστηριότητας, διαδραστικά έργα και υποστήριξη διαφόρων ιατρικών εφαρμογών.
Μεθοδολογία: Αναπτύχθηκε στη γλώσσα προγραμματισμού Python, με τη βοήθεια βιβλιοθηκών
που ονομάζονται OpenCV και Dlib. Κεντρικό στοιχείο της μεθοδολογίας ήταν η διαδικασία
βαθμονόμησης της κάμερας, η οποία, σύμφωνα με την επιστημονική μεθοδολογία, επιτρέπει τη
διόρθωση των παραμορφώσεων σε έναν φακό και την ακρίβεια των υπολογισμών
συντεταγμένων.
Αποτελέσματα: Προσεγγίζει το πλέγμα με αρκετά ακριβή τρόπο, παρέχοντας συντεταγμένες 3D
σε πραγματικό χρόνο. Το εργαλείο έχει επίσης αποδειχθεί αποτελεσματικό υπό διαφορετικές
συνθήκες φωτισμού, γωνίες θέασης και κίνηση του κεφαλιού, σύμφωνα με δοκιμές.
Συζήτηση – Συμπεράσματα: Η χρήση της τοποθέτησης πλέγματος 3D έχει διευρύνει ένα νέο πεδίο
θέασης σε διαδραστικά συστήματα και ιατρικές διαγνώσεις. Οι δυνατότητες που μπορούν να
υλοποιηθούν σε σχέση με τη μελλοντική επέκταση είναι η ενσωμάτωση της μηχανικής μάθησης
για την ενίσχυση της ικανότητας ανίχνευσης του έργου, καθώς και η χρήση πολλαπλών καμερών
για την πραγματοποίηση πιο ακριβών μετρήσεων.